自适应阈值及加权局部二值模式的人脸识别

针对局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)方法描述图像纹理特征时,阈值不能自动选取并且图像中不同子块的贡献也没有进行区分的问题,该文提出一种自适应阈值及加权的局部二值模式方法。首先,将图像进行分块,采用设定的自适应阈值提取每个子块的LBP或CS-LBP纹理直方图;然后,将各子图像的信息熵作为直方图的加权依据,对每个子块对应的直方图进行自适应加权,并将所有子块的直方图连接成最终的纹理特征;最后,通过快速计算图像均值加快了算法的计算速度。在人脸数据库上进行的实验证明,利用该文提出的方法提取纹理特征,并结合最近邻分类法可以得到较高的正确识别率。     

核空间自适应非局部均值鲁棒分割算法

为改善传统模糊C均值(FCM)算 法对噪声干扰下图像的分割效果,提出了一种基于核空间邻域信息和自适应非局部均值相结 合的图像鲁棒分割算法。首先,利用传统FCM聚类算法进行初始聚类分割,将 所得聚类中心作为改进算法的初始聚类中心; 其次通过自适应非局部均值算法对图像进行平滑处理,避免图像过度分割;然后对引入核空 间邻域信息的目标函数进行最优化求解, 获取聚类中心和隶属度的迭代表达式;最后对像素进行分类时,利用邻域像素隶属度对像素 进行进一步滤波处理。实验结果表明:本文的 改进算法与传统FCM聚类算法、核空间FCM(KFCM)算法、基于邻域信息的FCM(FCM S)算法和基 于邻域信息KFCM(KFCM-S)算法相比,改进算法对强噪声干扰下的图像具有较好 的鲁棒性,并且能够有效分割图像的目标信 息和背景信息。从几种算法进行聚类分割结果所对应的峰值信噪比(PSNR)也可以看出,本文 改进算法的PSNR更高。     

改进PVO预测的自适应选块可逆图像水印

为了解决预测误差方法在预测精度和图像不可感 知性上的不足,提出一种基于改进PVO的自适应选块可逆图像水印算 法。首先对原始图像进行分块,并利用子块内相关像素不平均值之间的梯度计算子块 噪声级;然后结合像素值排序预测 算子得到预测误差直方图;最后根据子块噪声级自适应地选择水印的嵌入位置,并采用本 文算法进行水印嵌入。本 算法可以根据原始图像的特性自适应选择水印嵌入的子块,提高了像素预测精度,减少了水 印嵌入产生的失真;提取水印信息 后,可以无失真地恢复原始图像。实验结果表明,本文针对噪声级判断以及PVO算法的改进 策略可以有效提升可逆图像水印 算法的性能,在相同的嵌入容量下,本算法嵌入水印后的图像峰值信噪比较相关文献平均提 高了1.3%左右,具有更好的不可感知性。     

基于ILDP的噪声鲁棒人脸识别

针对局部方向模式(LDP)采样不充分和对噪声敏感的缺点,提出了一种改进的LDP(ILDP)人脸描述方法,利用局部井型邻域的梯度信息描述人脸特征。首先,将中心像素的井型邻域根据采样半径分成两个3×3的子邻域,每个子邻域包含按照原来相对位置排列的8个像素;然后,将两个子邻域与Kirsch模板卷积分别得到两组边缘梯度值,ILDP仅使用两组梯度值中各自最大值的方向编码成一个二位八进制数,产生ILDP码;最后,在人脸描述阶段将人脸图像进行分块并把每块转换成ILDP图,再对ILDP图进行直方图统计,将所有子块的直方图连接生成人脸特征。实验结果表明,ILDP比其它同类基于局部纹理特征的单一人脸描述器在对抗随机噪声方面更具鲁棒性。     

基于分块局部二值模式的图像检索研究

提出一种分块局部二值模式的图像检索方法,首先利用3×3像素邻域的局部灰度均值代替其中心像素作为阈值计算LBP值,以改善传统LBP算子的缺陷;然后对图像采用分块处理,以便更好地提取图像的局部特征.实验表明,与传统的基于局部二值模式的图像检索方法相比,此方法具有更高的检索准确率.     

基于Bandelets域逐子块阈值的图像去噪

把正交bandelets域经四叉树分割的每一子块系数建模为广义高斯分布,基于Bayesian框架,推导出了自适应逐子块局部阈值的计算公式,找出了其参数分布的最佳范围,提出了图像bandelets域的逐子块阈值去噪算法。由于充分利用了图像的局部统计信息,所提算法对自然图像去噪的视觉效果和评价指标都好于BayesShrink和其它基于阈值的去噪算法。     

一种基于逐点阈值分割的图像边缘检测方法

提出一种对图像中每个点逐一取阈值进行分类的一种新的阈值分割算法.该算法利用图像中像素邻域的灰度值均值统计信息作为该点阈值设置的标准,并引入该点邻域内像素灰度值方差作为附加判断条件,使提取出来的日标点是图像的边缘点.事实上该阈值分割算法起到了边缘提取的效果.实验证明,本文算法起到了良好的边缘检测效果,并且验证了本算法对于以邻域统计信息作为阈值估计标准的合理性.     

基于加权块对比度的红外小目标检测方法

针对不同背景条件下，红外弱小目标检测信杂比低、虚警率高的特点，重点利用小目标能量接近高斯分布特性，提出一种利用改进的图像局部熵加权多尺度的基于图像块对比度的红外小目标检测方法。首先，计算红外图像中心块和邻域块的均值；然后，计算出中心块和邻域块的均值差异达到凸显小目标、抑制背景噪声的效果，同时计算各个像素点的改进局部图像熵以凸显小目标、抑制形状与小目标大小近似的伪目标以及大面积的干扰物体的角点；之后，利用改进的图像熵加权中心块和邻域块的均值差异值，得到高信杂比、低虚警率的显著度图像；最后，利用自适应阈值分割算法获取目标的位置。实验结果表明，与同类基于human visual system(HVS)检测方法相比，所提方法适用场景更广，特别是在复杂背景下，能达到更低的虚警率、更高的信杂比。     

亚米级全色遥感影像云地检测算法研究

为解决现行云地检测算法不适用于亚米级全色遥感 影像云地检测的问题,提出一种大尺度自适应匹配阈值(LS-AMTH,large-scale adaptiv e matching threshold)算法。算法构建包含光谱、纹理 与边缘特征的特征参量集,利用提升算法对影像子块进行大尺度云地分类;之后对大尺度分 类所得云地子 块进行阈值的自适应匹配选择,最终实现像素级云地区域检测并统计云地占比。试验表明, 针对亚米级全 色影像,本文算法准确度达97.3%,在复杂云地混合区域取得良好检 测效果。     

太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法，并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进，用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失；另一方面，针对传统人工设定阈值的不确定性，将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理，发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151，验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量，同时保留了连接性较好的边缘点，改善了边缘细节信息的提取效果。     

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

基于自适应Lab色差阈值的ViBe运动目标检测算法

针对视觉背景提取算法(ViBe)对光照变化和运动 阴影敏感、提取的运动区域容易产生空洞的问题,本文提出了基于自 适应Lab色差阈值的ViBe运动目标检测算法。根据图像的局部背景亮度与色彩的空间频率对 人眼视觉的影响,自适应的确定 每个像素点的色差阈值,用于像素点与背景模型的匹配;然后,利用邻域像素点的空间一致 性原则,对检测结果进行修正; 最后,统计各连通域的面积,去除小面积的运动目标。实验结果表明,本算法可以有效的适 应光照变化、抑制运动阴影、填 补运动区域的空洞,具有比ViBe算法更好的检测效果。     

概率图车载热成像行人检测RoIs提取方法

道路场景复杂、热成像纹理信息较少以及图像品质不稳定,RoIs提取面临挑战.阈值分割RoIs提取更多关注行人局部细节和像素间邻域关系,容易产生行人遗漏、背景粘连和行人断裂,且很难控制RoIs总量.模拟人类视觉,关注图像显著性区域及其位置和大小,提出概率图RoIs提取方法,设计凸-凹形曲线映射像素灰度值增强图像对比度;基于图像签名方法获取显著性图.融合灰度强度和显著性概率图并从中提取图像前景;设计算法搜索路面估计限定的概率图区域生成RoIs.实验表明,相对阈值分割,本文方法能够提高RoIs定位准确度、控制RoIs总量和显著减少非行人RoIs;提取等量单帧RoIs,召回率提高不低于9%.     

Concealment of damaged block transform coded images usingprojections onto convex sets

An algorithm for lost signal restoration in block-based still image and video sequence coding is presented. Problems arising from imperfect transmission of block-coded images result in lost blocks. The resulting image is flawed by the absence of square pixel regions that are notably perceived by human vision, even in real-time video sequences. Error concealment is aimed at masking the effect of missing blocks by use of temporal or spatial interpolation to create a subjectively acceptable approximation to the true error-free image. This paper presents a spatial interpolation algorithm that addresses concealment of lost image blocks using only intra-frame information. It attempts to utilize spatially correlated edge information from a large local neighborhood of surrounding pixels to restore missing blocks. The algorithm is a Gerchberg (1974) type spatial domain/spectral domain constraint-satisfying iterative process, and may be viewed as an alternating projections onto convex sets method.     

联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息,导致检测精度低的问题,提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号,并与图像自身的稀疏性相结合,对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进,该算法以待测像元为中心构建一定大小的空间窗,计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值,通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵;最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵,将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度,设置阈值,得到检测结果。为验证所提算法的检测性能,采用了真实的高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法能够得到更高的检测精度。     

A novel fusion method of improved adaptive LTP and two-directional two-dimensional PCA for face feature extraction

In this paper, under different illuminations and random noises, focusing on the local texture feature’s defects of a face image that cannot be completely described because the threshold of local ternary pattern (LTP) cannot be calculated adaptively, a local three-value model of improved adaptive local ternary pattern (IALTP) is proposed. Firstly, the difference function between the center pixel and the neighborhood pixel weight is established to obtain the statistical characteristics of the central pixel and the neighborhood pixel. Secondly, the adaptively gradient descent iterative function is established to calculate the difference coefficient which is defined to be the threshold of the IALTP operator. Finally, the mean and standard deviation of the pixel weight of the local region are used as the coding mode of IALTP. In order to reflect the overall properties of the face and reduce the dimension of features, the two-directional two-dimensional PCA ((2D)2PCA) is adopted. The IALTP is used to extract local texture features of eyes and mouth area. After combining the global features and local features, the fusion features (IALTP+) are obtained. The experimental results on the Extended Yale B and AR standard face databases indicate that under different illuminations and random noises, the algorithm proposed in this paper is more robust than others, and the feature’s dimension is smaller. The shortest running time reaches 0.329 6 s, and the highest recognition rate reaches 97.39%.     

Low-resolution expression recognition based on central oblique average CS-LBP with adaptive threshold

In order to solve the problem of low recognition rate of traditional feature extraction operators under low-resolution images, a novel algorithm of expression recognition is proposed, named central oblique average center-symmetric local binary pattern (CS-LBP) with adaptive threshold (ATCS-LBP). Firstly, the features of face images can be extracted by the proposed operator after pretreatment. Secondly, the obtained feature image is divided into blocks. Thirdly, the histogram of each block is computed independently and all histograms can be connected serially to create a final feature vector. Finally, expression classification is achieved by using support vector machine (SVM) classifier. Experimental results on Japanese female facial expression (JAFFE) database show that the proposed algorithm can achieve a recognition rate of 81.9% when the resolution is as low as 16×16, which is much better than that of the traditional feature extraction operators.     

Shack-Hartmann 波前传感器质心探测的优化方法

为提高Shack-Hartmann(S-H)波前传感器的光斑质心探测精度,在分析质心探测误差来源的基础上,提出基于模板匹配的探测窗口选取方法和基于单个光斑的自适应阈值选取方法,将这两种方法与加权质心算法相结合求取质心,提高了质心探测精度。与固定阈值和传统质心算法相比较,当SNR 大于3 时,质心探测精度平均提高了约40%。将文中的方法应用于可见光波段的商品S-H 波前传感器,实验表明:文中方法得到的质心偏离度由传统方法的0.83 pixel 的最大值减小至0.15 pixel。该工作有重要的应用价值。     

基于自适应预处理的图像分割方法

为了防止分水岭算法过分割问题,该文提出了一种基于自适应预处理的图像分割算法。该方法在分水岭算法的基础上,首先结合像素点亮度特征和空间分布特性应用自适应方法对梯度图像进行预处理。通过考察各像素点邻域中像素分类后的分布情况,来判断考察点是处于区域中心还是处于边界,并据此对考察点的梯度值进行调节。然后在预处理后的梯度图像上选定标记,将预处理后的梯度图像中大于200个像素的连通区域标定为标记。最后用分水岭分割方法对带标记的参考图像进行分割。试验结果表明,该分割方法具有良好的分割效果。